一种基于脉冲耦合神经网络的植物胚性细胞图像分割

摘要：

植物胚性细胞定量分析研究需要首先将其切片图像分割处理,然后进行大分子量化分析.但植物细胞切片图像上表现出来的植物细胞特有的复杂属性,使得一般图像分割分析方法很难奏效.20世纪90年代中期发展起来的脉冲耦合神经网络PCNN直接来自于动物视觉特性研究,应当适合这类植物细胞图像的分割处理.但因目前理论很难解释PCNN数学模型参数与图像分割效果之间的关系,一般较好图像分割效果的获得需多次实验选择这些模型参数.同时在模型参数选定的情况下,其循环迭代次数直接关系到分割结果的好坏,而分割好坏的判定需人眼观察分析,这样便引入了人为干预为此提出一种建立在分割图像熵值最大原则上的PCNN植物细胞图像自动分割新算法.

关键词：植物胚性细胞、脉冲耦合神经网络、熵、图像分割

所属期刊栏目：46

分类号：Q94(植物学)

在线出版日期：2004-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1781-1786